Stellen Sie sich vor, Sie versuchen, einen ganz bestimmten, winzigen, missgestalteten Kieselstein zu finden, der in einem riesigen, verhedderten Wollknäuel versteckt ist. Das ist in etwa das, was Ärzte erleben, wenn sie Bilder einer Brust untersuchen, um Krebs zu finden. Jahrzehntelang verwendeten sie ein flaches, 2D-Röntgenbild, was wie das Aufnehmen eines einzelnen Fotos dieses Wollknäuels ist. Das Problem? Die Wollfäden überlagern sich und verstecken den Kieselstein oder lassen einen Knoten wie einen Kieselstein aussehen. Um dies zu beheben, haben Wissenschaftler einen neuen Kameratrick namens Digital Breast Tomosynthesis (DBT) erfunden. Anstatt eines flachen Fotos schwenkt die Kamera herum und nimmt einen Stapel von Schichten auf, als würde man ein Brot in Scheiben schneiden. Dies ermöglicht es Ärzten, durch das Wollknäuel hindurchzusehen, um den Kieselstein klar zu erkennen. Aber hier liegt der Haken: Es ist anstrengend für das menschliche Auge, hunderte dieser „Brotscheiben“ für jeden Patienten anzusehen, und es ist schwierig, Computern beizubringen, dies zu tun, weil wir nicht genug „Lösungsblätter“ haben, die uns zeigen, wie die Kieselsteine tatsächlich in 3D aussehen.

Hier kommt ein neuer Forscher mit einem massiven, hilfreichen Geschenk ins Spiel. Er hat eine riesige digitale Bibliothek namens BCSDBT-Seg erstellt, die im Grunde die „Lehrerfassung“ von Brustbildern ist. Stellen Sie es sich wie einen Satz von 396 komplexen 3D-Puzzles vor, bei denen die Teile (die Tumore) von Experten mit menschlichem Auge Schicht für Schicht sorgfältig nachgezeichnet wurden. Vor diesem Datensatz verfügten die meisten öffentlichen Bibliotheken dieser Scans nur über eine grobe Box, die um die Problemstelle gezeichnet war, so etwas wie: „Der Kieselstein ist irgendwo in diesem Quadrat“. Dieser neue Datensatz geht viel tiefer und liefert eine präzise 3D-Umrandung des Kieselsteins selbst, zusammen mit einem detaillierten Zeugnis, das seine Form, Größe und wie gefährlich er aussieht, beschreibt. Der Forscher hat auch getestet, ob ein intelligentes Computerprogramm von diesen Umrissen lernen kann, und bewiesen, dass Computer mit diesem neuen „Lösungsblatt“ viel besser darin werden können, die verborgenen Kieselsteine im Wollknäuel zu finden.

Das Problem: Die Nadel im Heuhaufen finden

Brustkrebs ist eine ernste Bedrohung, und ihn früh zu finden, ist der beste Weg, um Leben zu retten. Lange Zeit verließen sich Ärzte auf Standard-Mammographien, die wie die Aufnahme eines flachen Fotos der Brust sind. Das Problem ist, dass das Brustgewebe dicht und geschichtet ist, sodass in einem flachen Foto gesundes Gewebe einen Tumor verdecken kann oder ein harmloser Knoten wie ein beängstigender Klumpen aussehen kann. Um dies zu lösen, begannen Ärzte, Digital Breast Tomosynthesis (DBT) einzusetzen. Stellen Sie sich vor, man nimmt einen Stapel dünner Scheiben der Brust statt eines einzigen flachen Bildes. Dies reduziert den „Schatteneffekt“ durch überlappendes Gewebe und macht Tumore viel leichter erkennbar.

Das Betrachten dieser 3D-Stapel ist jedoch harte Arbeit. Ein einzelner Scan enthält viel mehr Daten als ein flaches Foto, was das Gehirn eines Radiologen ermüden und zu Fehlern führen kann. Um zu helfen, wollen Ärzte Computerprogramme (Künstliche Intelligenz) entwickeln, die diese Tumore automatisch erkennen können. Aber um einen Computer zu lehren, benötigt man eine riesige Bibliothek von Beispielen, bei denen der Computer genau weiß, wie der Tumor aussieht. Bis jetzt verfügten die meisten öffentlichen Bibliotheken dieser Scans nur über eine einfache Box, die um den Tumor gezeichnet wurde (wie eine „2D-Bounding Box“), was nicht präzise genug ist, um einem Computer die exakte Form oder Größe der Krankheit beizubringen.

Die Lösung: Ein neues, detailliertes „Lösungsblatt“

Der Autor dieser Arbeit, ein Forscher aus Schweden und China, hat einen neuen, quelloffenen Datensatz namens BCSDBT-Seg erstellt. Sie nahmen eine bestehende Sammlung von Brust-Scans (den BCS-DBT-Datensatz) und fügten etwas Besonderes hinzu: präzise 3D-Umrisse der Tumore.

Hier ist, was diesen Datensatz besonders macht:

• Es ist 3D, nicht nur 2D: Anstatt nur eine Box um einen Tumor zu zeichnen, haben zwei erfahrene Radiologen (einer mit 7 Jahren Erfahrung und einer mit 17 Jahren Erfahrung) die exakten Kanten der Tumore auf jeder einzelnen Schicht des 3D-Scans manuell nachgezeichnet. Dies taten sie für 396 Scans von 201 Patienten und erstellten dabei 434 distinkte Tumorumrisse.
• Es ist biopsiebestätigt: Jeder einzelne Tumor in diesem Datensatz wurde durch eine Biopsie (einen Gewebetest) als echt bewiesen, sodass das „Lösungsblatt“ zu 100 % genau ist.
• Es enthält ein Zeugnis: Zusammen mit den Umrissen erstellte der Forscher strukturierte Berichte für jeden Fall. Diese Berichte verwenden ein Standardsystem namens BI-RADS, um die Form des Tumors, die Dichte des Brustgewebes und ob der Tumor gutartig (harmlos) oder bösartig (krebserregend) aussieht, zu beschreiben.

Wie sie es gemacht haben: Die „Nachzeichnen-und-Verifizieren“-Methode

Der Prozess war wie ein hochkarätiges Spiel nach dem Motto „Folge dem Anführer“.

1. Der Junior-Radiologe: Ein Arzt mit 7 Jahren Erfahrung ging die Scans durch und zeichnete die ersten Umrisse der Tumore auf den 3D-Schichten.
2. Der Senior-Radiologe: Ein sehr erfahrener Arzt mit 17 Jahren Erfahrung überprüfte jede einzelne Zeichnung. Wenn der Umriss zu groß oder zu klein war, korrigierte er ihn.
3. Die Regeln: Sie hatten strenge Regeln für verschiedene Arten von Tumoren. Wenn ein Tumor beispielsweise scharfe, stachelige Kanten hatte (wie ein Stern), zeichneten sie die Spitzen nach. Wenn die Ränder unscharf waren, achteten sie darauf, nicht zu viel gesundes Gewebe einzuschließen. Wenn es mehrere Tumore in einem Scan gab, fassten sie diese zu einem einzigen Umriss zusammen.

Was sie herausfanden: Der Computer wird schlauer

Um zu beweisen, dass ihr neuer Datensatz nützlich ist, lehrte der Forscher ein Computerprogramm (eine Art von KI namens nnU-Net), wie man Tumore unter Verwendung ihrer neuen Umrisse findet. Sie führten zwei verschiedene Tests durch:

1. Der „Gesamtvolumen“-Test: Sie baten den Computer, den gesamten 3D-Scan von Anfang bis Ende ohne Hilfe zu betrachten.
   • Ergebnis: Der Computer hatte Schwierigkeiten. Er konnte nur etwa 34 % des Tumorumrisses korrekt erfassen. Das ist so, als würde man versuchen, eine Nadel im Heuhaufen zu finden, ohne zu wissen, wo der Heuhaufen ist.
2. Der „Läsionsbasierte“ Test: Sie gaben dem Computer einen Hinweis. Sie sagten ihm: „Der Tumor befindet sich irgendwo in dieser spezifischen Box.“ Der Computer konzentrierte sich dann nur auf diesen kleinen Bereich.
   • Ergebnis: Die Leistung des Computers schoss in die Höhe. Er erfasste 80,7 % des Umrisses korrekt und entsprach den Zeichnungen der Experten viel besser.

Dies zeigt, dass der Computer zwar noch ein wenig Hilfe braucht, um den allgemeinen Bereich zu finden, aber sobald er weiß, wo er suchen muss, ermöglicht der neue Datensatz ihm, die exakte Form des Tumors sehr gut zu lernen.

Warum das wichtig ist

Dieser Datensatz ist ein Wendepunkt für Forscher. Früher mussten sie raten oder grobe Boxen verwenden, um ihre KI zu trainieren. Jetzt haben sie eine Bibliothek von 434 präzisen 3D-Karten echter Tumore, komplett mit detaillierten Beschreibungen ihrer Form und Größe. Dies ermöglicht es Wissenschaftlern:

• Bessere Computerprogramme zu entwickeln, die Ärzten helfen können, Krebs früher zu entdecken.
• Die exakten Formen und Größen von Tumoren zu untersuchen, um zu verstehen, wie sie wachsen.
• Einen Standard-„Test“ zu erstellen, den jeder verwenden kann, um zu sehen, ob seine neue KI tatsächlich funktioniert.

Der Forscher weist vorsichtig darauf hin, dass der Computer mit ihrer Hilfe zwar viel besser abschnitt, dies aber noch keine magische Lösung ist. Aber indem sie diesen hochwertigen „Lösungsblatt“ bereitgestellt haben, haben sie der wissenschaftlichen Gemeinschaft die Werkzeuge an die Hand gegeben, die sie braucht, um die nächste Generation lebensrettender Medizintechnik zu entwickeln.